LinearB เปิดตัว Agentic Studio เพื่อมอบบริบทด้านวิศวกรรมให้เอเจนต์เขียนโค้ด

LinearB เปิดตัว Agentic Studio เพื่อนำข้อมูลการส่งมอบซอฟต์แวร์มาสร้างเป็นบริบทที่ผู้นำด้านวิศวกรรมและเอเจนต์เขียนโค้ดนำไปใช้ประกอบการตัดสินใจได้ แพลตฟอร์มนี้ประกาศเปิดตัวเมื่อวันที่ 2 พฤศจิกายน โดยผสานการวิเคราะห์ด้วยภาษาธรรมชาติเข้ากับชั้นบริบทด้านวิศวกรรมที่ครอบคลุมเครื่องมือซึ่งทีมใช้วางแผน เขียน ตรวจสอบ และเผยแพร่ซอฟต์แวร์

การเปิดตัวครั้งนี้สะท้อนปัญหาที่ทวีความสำคัญขึ้นในการพัฒนาซอฟต์แวร์โดยมี AI ช่วย กล่าวคือ การผลิตโค้ดได้มากขึ้นไม่ได้ช่วยให้องค์กรส่งมอบซอฟต์แวร์ที่มีประโยชน์ได้เร็วขึ้นโดยอัตโนมัติ การตรวจสอบอาจติดคอขวด การประเมินการเปลี่ยนแปลงอาจทำได้ยากขึ้น และเอเจนต์อาจเริ่มทำงานโดยไม่รู้ว่าบริการใดเปราะบาง หรือเหตุใดการแก้ไขบางอย่างจึงสำคัญ

ตามประกาศ Agentic Studio เปิดให้ลูกค้าของ LinearB ทุกคนใช้งานได้ ส่วนทักษะสำหรับเอเจนต์ ซึ่งรวมถึงความสามารถแรกเริ่มในการปรับระดับความพยายามของเอเจนต์ให้เหมาะกับงาน อยู่ในช่วงเปิดให้ทดลองใช้ก่อน

เปลี่ยนข้อมูลการส่งมอบให้เป็นบริบทด้านวิศวกรรม

LinearB รวบรวมข้อมูลจากกระบวนการส่งมอบซอฟต์แวร์และปรับให้อยู่ในรูปแบบมาตรฐานเดียวกัน บริษัทระบุว่าระบบเชื่อมโยงตัวตนของวิศวกรใน Git และระบบจัดการโครงการเข้าด้วยกัน เชื่อมโยงการเปลี่ยนแปลงตั้งแต่บัตรงานไปจนถึงการเผยแพร่ และเพิ่มข้อมูลระบุที่มาของ AI กับเกณฑ์เปรียบเทียบ เพื่อช่วยให้ผู้นำตีความผลลัพธ์ได้

ขั้นตอนสำคัญคือการเชื่อมโยงข้อมูลเหล่านั้นเข้าด้วยกัน เมื่อพิจารณาแยกจากบริบทอื่น คำขอผสานโค้ดอาจดูตรงไปตรงมา ทั้งที่ส่งผลต่อบริการซึ่งเพิ่งเกิดเหตุขัดข้อง มีการแก้งานซ้ำบ่อยครั้ง หรือมีโครงสร้างความรับผิดชอบที่ซับซ้อน การเชื่อมโยงการเปลี่ยนแปลงเข้ากับประวัติเหล่านี้ทำให้ผู้ตรวจสอบหรือเอเจนต์เขียนโค้ดได้รับข้อมูลที่อาจหาไม่ได้จากการดูภาพรวมของคลังโค้ดเพียงอย่างเดียว

ในสตูดิโอใหม่นี้ ผู้นำสามารถถามคำถามด้วยภาษาธรรมดา รับคำแนะนำเกี่ยวกับขั้นตอนถัดไป และใช้ AI ช่วยสร้างตัวชี้วัด แดชบอร์ด และสิ่งอื่น ๆ ได้ LinearB ระบุว่าองค์กรสามารถกำหนดบริบทที่ผู้ใช้เข้าถึงได้ โดยแพลตฟอร์มมีระบบควบคุมการเข้าถึงตามบทบาทในตัว

แนวทางนี้สอดคล้องกับแนวทางด้านวิศวกรรมบริบทของบริษัท ซึ่งเน้นการเลือกข้อมูลที่เกี่ยวข้อง แทนการใส่ข้อมูลลงในหน้าต่างบริบทของเอเจนต์อย่างไม่เลือก Framework ดังกล่าวพิจารณาทั้งโค้ด เจตนาที่อยู่เบื้องหลังการเปลี่ยนแปลง ความเชื่อมโยงระหว่างระบบ และขอบเขตของข้อมูลที่เอเจนต์ได้รับอนุญาตให้เข้าถึง

ทักษะช่วงเปิดให้ทดลองใช้สำหรับปรับระดับความพยายามให้เหมาะกับความเสี่ยง

ทักษะแรกสำหรับเอเจนต์ออกแบบมาเพื่อพิจารณาว่างานเขียนโค้ดควรใช้ความพยายามมากน้อยเพียงใด LinearB ระบุว่าระบบพิจารณาความเกี่ยวข้องทางธุรกิจ ความซับซ้อน และความเสี่ยง โดยใช้สัญญาณต่าง ๆ เช่น อัตราการแก้งานซ้ำ เหตุขัดข้องของบริการที่เกิดขึ้นเมื่อไม่นานมานี้ และประวัติความรับผิดชอบ

การเปลี่ยนแปลงที่มีความเสี่ยงต่ำอาจได้รับการจัดการแบบเบากว่าและใช้โทเคนน้อยกว่า ขณะที่การเปลี่ยนแปลงที่มีผลกระทบมากกว่าอาจได้รับการวิเคราะห์และทดสอบอย่างรอบคอบยิ่งขึ้น ผู้นำด้านวิศวกรรมสามารถดูได้ว่างานถูกจัดให้อยู่ในระดับความพยายามต่ำ ปานกลาง หรือสูงบ่อยเพียงใด บริษัทระบุว่าทักษะนี้ใช้ได้กับเอเจนต์เขียนโค้ดทุกประเภท อย่างไรก็ตาม ประกาศไม่ได้แสดงผลเปรียบเทียบระหว่างเอเจนต์แต่ละราย หรือระบุปริมาณโทเคนที่ประหยัดได้จริง

แนวคิดด้านวิศวกรรมนี้มีประโยชน์ แม้ยังไม่มีการยืนยันข้อกล่าวอ้างเรื่องการประหยัดต้นทุน การกำหนดงบประมาณการประมวลผลเพื่อให้เหตุผลแบบเดียวกันย่อมปฏิบัติต่อการเปลี่ยนแปลงเล็กน้อยเพื่อบำรุงรักษาและการแก้ไขระบบจริงที่มีความละเอียดอ่อนเหมือนกัน บริบทที่ปรับให้เหมาะกับแต่ละงานอาจช่วยจัดสรรความใส่ใจให้มากขึ้นในจุดที่ความผิดพลาดมีต้นทุนสูง พร้อมลดงานที่ไม่จำเป็นสำหรับการเปลี่ยนแปลงที่ง่ายกว่า

MCP เชื่อมโยงข้อมูลเข้ากับเวิร์กโฟลว์ AI ที่มีอยู่

LinearB ยังเปิดให้เข้าถึงข้อมูลด้านวิศวกรรมผ่าน Model Context Protocol หรือ MCP ด้วย หน้าผลิตภัณฑ์ MCP อธิบายการเข้าถึงตัวชี้วัดการส่งมอบ การจัดทำรายงานแบบกำหนดเอง และการวิเคราะห์คอขวดด้วยภาษาธรรมชาติ พร้อมคำแนะนำต่าง ๆ เช่น การทำให้การตรวจสอบเป็นระบบอัตโนมัติและการจัดสรรงาน

วิธีนี้ช่วยให้ทีมตรวจสอบข้อมูลด้านวิศวกรรมจากไคลเอนต์ AI ได้ โดยไม่ต้องสลับดูแดชบอร์ดต่าง ๆ ด้วยตนเอง MCP เชื่อมต่อกับเครื่องมือและข้อมูล ส่วนชั้นบริบทจะให้ความสัมพันธ์เฉพาะด้านการส่งมอบ ซึ่งช่วยให้คำถามเกี่ยวกับคลังโค้ดหรือทีมมีความหมาย

ยังมีประเด็นที่ต้องทำความเข้าใจให้ชัดเจนในระหว่างการทยอยเปิดตัวแพลตฟอร์มใหม่ แม้ประกาศเปิดตัวจะกล่าวถึงการควบคุมการเข้าถึงตามบทบาทและมาตรการป้องกันระดับองค์กร แต่คำถามที่พบบ่อยเกี่ยวกับ MCP ซึ่ง LinearB เผยแพร่ต่อสาธารณะยังระบุว่าการจำกัดสิทธิ์การเข้าถึง MCP ตามสิทธิ์ผู้ใช้เป็นรายการในแผนพัฒนา ดังนั้น จึงไม่ควรตีความคำชี้แจงเรื่องการควบคุมการเข้าถึงของสตูดิโอใหม่ว่าเป็นการยืนยันว่าไคลเอนต์ MCP ที่มีอยู่ทุกตัวสืบทอดสิทธิ์ของ LinearB ทุกประการอยู่แล้ว

เหตุใดผลงานจาก AI ที่เพิ่มขึ้นจึงอาจเผยให้เห็นคอขวดในขั้นตอนถัดไป

ประกาศของ LinearB อ้างอิงเกณฑ์เปรียบเทียบด้าน AI ปี 2026 ซึ่งรวบรวมจากคำขอผสานโค้ด 2.7 ล้านรายการ และนักพัฒนา 83,000 คนในองค์กร 253 แห่ง บริษัทระบุว่านักพัฒนาที่ใช้ AI ในวันเขียนโค้ดอย่างน้อย 75% ผสานคำขอเข้ากับโค้ดหลักได้มากขึ้น 96% ต่อสัปดาห์ เมื่อเทียบกับหนึ่งปีก่อน

ตัวเลขเหล่านี้แสดงกิจกรรมที่สังเกตได้ ไม่ได้พิสูจน์ว่า AI เป็นสาเหตุเดียวของการเปลี่ยนแปลงดังกล่าว อีกทั้งการผสานคำขอเข้ากับโค้ดหลักได้มากขึ้นก็ไม่ได้ยืนยันว่าลูกค้าได้รับคุณค่าเพิ่มขึ้นเป็นสองเท่า ข่าวประชาสัมพันธ์ยังอ้างถึงผลการศึกษาที่ระบุแยกต่างหากว่า การเปลี่ยนแปลงที่มี AI ช่วยมีขนาดใหญ่ขึ้น และคำขอผสานโค้ดที่เอเจนต์สร้างขึ้นใช้เวลารอตรวจสอบนานขึ้นอย่างมาก ซึ่งแสดงให้เห็นว่าการสร้างโค้ดที่เร็วขึ้นอาจผลักภาระงานไปยังส่วนอื่น ๆ ของกระบวนการส่งมอบ

ตัวอย่างจากลูกค้าช่วยให้เห็นความแตกต่างนี้อย่างชัดเจน LinearB ระบุว่า Kraken ใช้เซิร์ฟเวอร์ MCP ของบริษัทควบคู่กับ AI เพื่อตรวจสอบสาเหตุที่การรีวิวล่าช้า และพบว่าเขตเวลาและความพร้อมของผู้รีวิวมีผลมากกว่าการเปลี่ยนแปลงขนาดใหญ่ มีรายงานว่า Kraken ลดเวลาการรีวิวที่เปอร์เซ็นไทล์ที่ 90 ลงได้มากกว่าครึ่งภายในสี่เดือน การพูดคุยที่เผยแพร่ร่วมกับ Krakenของบริษัทให้บริบทเพิ่มเติมเกี่ยวกับการใช้ข้อมูลจากคลังโค้ดและเมตริกการส่งมอบงานเพื่อค้นหาคอขวด

จากการวัดการนำ AI มาใช้สู่การปรับปรุงการส่งมอบงาน

LinearB วางแผนเพิ่มทักษะสำหรับเอเจนต์ เพื่อรองรับงานในขั้นตอนถัดไป เช่น การรีวิว การรวมโค้ด และการกำกับดูแล ทั้งหมดนี้เป็นแนวทางในอนาคต ซึ่งแยกจากการเปิดให้ใช้งาน Studio ในปัจจุบัน และสถานะการเข้าถึงล่วงหน้าของทักษะด้านความพยายาม

แนวคิดที่กว้างกว่านั้นคือ เอเจนต์เขียนโค้ดจำเป็นต้องเข้าใจองค์กรที่อยู่เบื้องหลังโค้ดด้วยว่าอะไรสำคัญ ใครเป็นผู้รับผิดชอบ การเปลี่ยนแปลงก่อนหน้านี้มีจุดใดที่ล้มเหลว และมีข้อจำกัดใดบ้าง Agentic Studio นำแนวคิดนี้มาใช้ในแพลตฟอร์มเพิ่มผลิตภาพนักพัฒนา โดยท้ายที่สุดแล้ว คุณค่าของแพลตฟอร์มจะวัดจากคุณภาพและความต่อเนื่องของการส่งมอบการเปลี่ยนแปลง มากกว่าปริมาณโค้ดที่สร้างขึ้น